AIを導入したものの、実際に使っているのは一部のエンジニアだけ。この状態から抜け出せない組織は少なくありません。データセキュリティのCyeraは、社内の技術部門が先に手にしていたエージェント型AIの能力を、約1,500人の全社員へ17日で行き渡らせたと公表されています。週次のアクティブ利用率は88%。40のツールを1つの入口につなぎ、非エンジニアが端末を触らずに使える形にしたことが転換点でした。公開されている導入事例から、展開の順序と、そこで実際に短くなった業務を整理します。
何が課題だったか：技術の壁で止まっていた
Cyeraは、企業のデータとAI利用を守るためのプラットフォームを提供する企業です。公式サイトでは、AI活用の準備を整え、データのリスクを実時間で下げ、コンプライアンスを継続的に強化することを掲げており、DSPM、データ漏洩防止、AIエージェントの保護、プライバシー管理、アクセス履歴の追跡といった機能を1つの基盤に束ねていると説明されています。
社内では、Claude Codeがエンジニアの間で定着していました。問題は、その先です。ほとんどの社員は、研究開発部門が手にしているエージェント型AIの能力を自分でも使いたいと考えていましたが、技術的な壁を越えられませんでした。コマンドラインの操作やAPIの接続が、非技術職にとっての参入障壁になっていたのです。
同社でApplied AIのPrincipal Technologistを務めるJoe Tustin氏は、当時の状況をこう振り返っています。「非技術系の人たちにターミナルへの入り方を教えることに、多くの時間を費やした」。そして同氏は、会社が認めたAIツールを持たない社員は、結局のところ組織の管理が及ばない場所で代わりを探すと指摘します。「AIを使わせないというのは戦略ではない。自分たちで、会社のネットワークの完全に外側でAIを使う人たちが生まれるだけだ」。
この指摘は、AI利用を禁止する方針が抱える構造的な弱点を突いています。禁止しても利用がなくなるわけではなく、見えない場所へ移るだけです。であれば、社内に安全な入口を用意して、そこへ集める方が管理しやすい。Cyeraの展開は、この判断から始まっています。
何をしたか：40のツールをつないだ共通の入口
同社が導入したのはClaude Coworkです。エンジニア向けの開発環境ではなく、業務ツールの上に立つ共通の入口として位置づけられました。ここへ40のツールを接続し、さらに自社独自のMCPサーバーを4〜5本作っています。MCPは、AIから外部のツールやデータへ安全につなぐための接続の仕組みです。
データ分析についても、統制の効いた形で開放されました。Snowflakeの40のテーブルを文書化したセマンティック層を用意し、全社がセルフサービスで分析できる状態にしています。単に接続数を増やしたのではなく、どのデータが何を意味するのかを人が読める形で整備したうえでつないでいる点が、この設計の要です。
セマンティック層とは、テーブルや列の名前が業務上どの指標を指すのかを対応づけておく層のことです。ここが整っていないと、AIは列名から意味を推測して集計し、出てきた数字が何を数えたものなのか誰も説明できなくなります。文書化を先に済ませたことが、分析を全社へ開いても破綻しない条件になっています。
そして展開の速さです。全社への配布は17日で完了しました。使われたのは、ライブ配信、オフィスアワー（自由に質問できる時間帯）、部門ごとの研修という3つの手段です。ツールを配って終わりにせず、使い方を見せる場と、詰まったときに聞ける場を同時に用意しています。
公表されている結果
数値を整理します。約1,500人の社員に対し、週次のアクティブ利用率は88%。接続されたツールは40。展開に要した期間は17日です。
業務側の変化も具体的に公表されています。社内の「Ask Claude」チャンネルに寄せられる問い合わせの日次の仕分け作業は、5〜6時間からおよそ30分になりました。法務部門は、NDA（秘密保持契約）の事前確認のために20本のプレイブックを備えたプラグインを用意しています。マーケティングでは、イベントの登録者数が一晩で105件から400件超へ増えました。
利用率88%という数値の意味を補足しておきます。導入したかどうかではなく、毎週実際に使っている人の割合です。社内ツールの多くは、配布された直後に一度触られて、その後は使われなくなります。週次で見て9割近くが使っているという状態は、業務の中に組み込まれたことを示す指標として読めます。
イベント登録が105件から400件超へ
マーケティングの数値は、この事例の中でもっとも分かりやすい変化です。イベントへの登録者数が、一晩で105件から400件超へ動きました。導入事例では、この変化がエージェントを使った案内の展開の速さに結びつけられています。
ここで注意したいのは、この数値が単発の施策の結果であり、継続的な平均値ではないことです。また、登録者数が増えた理由には、対象リストの質やイベント自体の内容も関わります。AIが登録を増やしたと読むのではなく、これまで人手の作業量に縛られて実行できなかった規模の案内が、実行できるようになったと読むのが正確です。
同じ構造は日本の実務にもあります。展示会やセミナーの案内で、リストの絞り込みと文面の個別化に時間がかかり、結局は一斉配信で済ませてしまう。手作業の量が施策の上限を決めているとき、その上限が動くこと自体が成果になります。
日本の実務者が参考にできる点
第一に、非技術職の参入障壁を最初に取り除くことです。Cyeraで先に定着していたのは開発者向けのツールでしたが、それを全社に配っても使われなかったでしょう。実際に効いたのは、コマンドラインを触らずに同じ能力へ届く入口を用意したことです。日本の組織でも、AI活用が広がらない原因が能力ではなく操作の敷居にあるなら、研修より先に入口の設計を見直す価値があります。
第二に、接続先の整備を先に行うことです。40のツールをつなぎ、Snowflakeの40のテーブルに説明を付けてから開放しています。AIに社内データを扱わせるとき、データの意味が文書化されていなければ、返ってくる答えの正しさを誰も検証できません。まず自社で、どのデータがどの定義で管理されているかを書き出す作業が先に来ます。
第三に、展開の設計です。17日という期間を支えたのは、ライブ配信・オフィスアワー・部門別研修という、見せる場と聞ける場の組み合わせでした。ツールの配布と同時に、部門ごとの具体的な使いどころを示す場を作ることが、利用率の差になります。
留意点として、公表されている数値は同社の環境での実績であり、業種・規模・既存のデータ整備の状態によって再現性は変わります。特に17日という速さは、エンジニア部門で先行して知見が溜まっていたことが前提にあります。また、この事例はAIベンダーが公開した導入事例であり、導入がうまくいかなかった部分については記載がありません。数値を引用するときは、成功事例として選ばれた案件であるという性質を併記するのが適切です。
出典と注記
この記事はAnthropicが公開した導入事例と、Cyeraの公式サイトのみを出典とし、人数・件数・期間・比率は原文の数字列のまま記載しました。契約金額、導入前後の費用、部門ごとの内訳は公表されていません。為替換算は行っていません。
この分野の実務を相談したい方へ
記事で扱っている内容は、当社が実務として支援している領域です。 自社で進めるか外部に任せるかの判断からご相談いただけます。